农业资源与环境学报

作者：高丙龙,董超,王冉

单位：山东农业大学信息科学与工程学院, 山东 泰安 271018,山东农业大学信息科学与工程学院, 山东 泰安 271018,农业农村部黄淮海智慧农业技术重点实验室, 山东 泰安 271018,山东省物化探勘查院, 济南 250014

关键词：时间序列,Google Earth Engine,随机森林,轮作区,哨兵数据,冬小麦,夏玉米,

基金：山东省自然科学基金项目（ZR2021MD096）

为探究利用遥感技术识别不同作物轮作区，准确获取大规模冬小麦-夏玉米轮作区的面积与种植区域的分布情况，通过分析Sentinel-2数据上作物反射率的时空差异，构建了轮作植被指数（CRVI），以刻画近似物候作物在时间尺度上的异质性，结合Sentinel-1数据构建时间序列并进行优化，设置四种分类特征方案，采用随机森林算法提取冬小麦-夏玉米轮作区，并对分类结果进行精度评估。结果表明：冬小麦-夏玉米种植区主要分布在菏泽、济宁两地的黄河冲积平原地区，枣庄、临沂种植区分布较少且零散。不同方案分类结果在大范围种植区域分类结果相似，在地块破碎地区重要性较高特征（方案四）更加准确，但其错分概率较大，总体来说时间序列分类结果符合实际。方案一分类结果总体精度为97.68%，Kappa系数为0.977 6，其中，冬小麦-夏玉米遥感提取总体面积与统计年鉴数据相比，准确度为 93.50%。研究表明，通过引入 CRVI，并结合 Sentinel-1与 Sentinel-2时间序列数据，实现了高精度的大规模冬小麦-夏玉米轮作区识别。该方法不仅提高了分类精度，还为农业生产提供了可靠的数据支持，展示了在复杂种植结构下作物分类的新思路和技术手段。

来源：2026年第2期

《农业资源与环境学报》期刊编辑部

查看农业资源与环境学报杂志2026年第2期